초록 ▼

2. 연구 결과
이 연구의 주요 결과는 일반화 모델･모형인 학습 데이터 수집 모델과 학습분석 데이터 모형 개발, 일반화 모델･모형을 기반으로 온라인 교육 사례에 맥락화･특성화된 학습분석 데이터 모형과 학습분석 모형 개발, 그리고 스마트 데이터 구축･활용 프레임워크를 개발한 것이다. 각 연구 결과를 간략히 설명하면 다음과 같다.

가. 학습 데이터 수집 모델 개발
선행연구에서 흔히 언급되는 기존 학습 데이터 체계 및 표준은 학습분석을 위해 활용 가능한 데이터의 영역을 예시 차원에서 제안하고 있으며, 기술적 접근에

2. 연구 결과
이 연구의 주요 결과는 일반화 모델･모형인 학습 데이터 수집 모델과 학습분석 데이터 모형 개발, 일반화 모델･모형을 기반으로 온라인 교육 사례에 맥락화･특성화된 학습분석 데이터 모형과 학습분석 모형 개발, 그리고 스마트 데이터 구축･활용 프레임워크를 개발한 것이다. 각 연구 결과를 간략히 설명하면 다음과 같다.

가. 학습 데이터 수집 모델 개발
선행연구에서 흔히 언급되는 기존 학습 데이터 체계 및 표준은 학습분석을 위해 활용 가능한 데이터의 영역을 예시 차원에서 제안하고 있으며, 기술적 접근에 초점을 두고 있어 실제 어떤 데이터를 수집해야 하는지를 고민하는 교육 현장에서 활용하기에는 한계가 있다. 한편, 학습분석에 활용 가능한 학습 데이터와 이들의 분류 체계에 대한 선행 연구를 발견할 수 있으나, 주로 고등교육 맥락에서 수행되었으며 다루고 있는 데이터는 학습자의 학습활동 과정 중에 ‘수집’되는 데이터라기보다는 정제･가공을 거쳐 ‘산출’되는 데이터가 대부분이다. 또한, 학습 데이터 관련 표준을 접목하여 학습 데이터 모델을 정립하고자 하는 접근을 찾아보기 어렵다. 이러한 배경에서, 이 연구는 학습 데이터 모델 체계 및 표준을 기반으로 온라인 교육, 특히 콘텐츠 활용 중심 수업의 온라인 교육에서 학습의 전 과정에 걸쳐 수집해야 할 데이터의 영역 및 세부 영역을 정의한 모델을 개발하였다.
학습 데이터 수집 모델은 학습자의 학습과정을 설명하기 위한 대표적인 모형인 ‘3P(Presage-Process-Product) 모형’을 기저 프레임워크로 하여 관련 선행 연구 및 문헌 분석을 통해 연구진이 학습 데이터 수집 모델 초안을 도출하고, 이에 대한 1~2차 전문가 델파이 조사를 통해 [그림 2]와 같이 타당화된 최종적인 학습 데이터 수집 모델을 제안하였다. 학습 데이터 수집 모델 개발의 절차와 최종안에 대한 상세한 설명은 ‘Ⅲ 장-1절 학습 데이터 수집 모델 개발’에 제시되었다.

나. 학습분석 데이터 모형 개발
맞춤형 교육을 위한 학습분석에 대한 높은 관심과 함께 학습분석 모형의 개발과 활용에 대한 연구와 실천이 활발하게 이뤄지고 있다. 학습분석 모형은 활용 목적에 따라 다양한 유형으로 개발되고 있다. Quadir et al.(2021)은 학습분석 모형을 다룬 연구들을 수집･분석하여 학습분석 모형을 성과 모형(Performance Model), 메타인지 모형(Meta-cognitive Model), 상호작용 모형(Interactivity Model), 커뮤니케이션 모형(Communication Model), 데이터 모형(Data Model)의 다섯 가지 유형으로 구분하였다.
이 연구는 맞춤형 교육을 위한 스마트 데이터 구축의 관점에서 위 다섯 가지 유형 중에서 ‘데이터 모형’으로서 학습분석 모형을 제안하였다. 데이터 모형이란 학습분석의 활용을 위해 수집해야 하는 데이터를 모형화한 것을 의미한다(Quadir et al., 2021). 국내 교육현장의 콘텐츠 활용 중심 온라인 교육의 확산과 함께 학습 데이터 생산과 수집이 가능한 플랫폼의 개발과 학습분석을 위해 수집된 데이터 활용이 촉진되고 있음에도 불구하고 학습데이터 관련 표준과 접목된 데이터 모형은 찾아보기 힘들다. 이에 이 연구에서는 특정 플랫폼 고유 특성에 국한되지 않은 온라인 교육이 이뤄지는 플랫폼에서 공통적으로 수집할 수 있고 수집해야 하는 데이터에 초점을 둔 학습분석 데이터 모형을 개발하였다. < 표 1 >은 학습분석 데이터 모형 개발 과정을 나타낸다.
학습분석 데이터 모형은 캘리퍼 프로파일 기반의 학습활동별 교수자와 학습자 관점의 교수･학습활동 지원-변인-학습 데이터를 구조화하여 제시한 형태로, 콘텐츠 활용 중심 온라인 교육에서 학습분석을 활용하기 위해 수집해야 하는 학습 데이터를 설명함은 물론 학습 데이터가 특정 학습활동을 위해 어떻게 활용될 수 있는지를 설명한다. 학습분석 데이터 모형을 예시하면 < 표 2 >와 같으며, 전체 모형은 ‘Ⅲ장 2절’에 제시되었다.

다. 스마트 데이터 수집과 활용 차원의 온라인 교육 사례에 특성화된 학습분석 모형 도출
앞서 언급한 학습 데이터 수집 모델과 학습분석 데이터 모형을 기반으로 온라인 교육 사례인 방송중･고와 온라인 보충과정의 학습 데이터 수집 현황을 분석하고, 스마트 데이터 구축과 활용 차원에서 각 온라인 교육 사례에 맥락화된 학습분석 데이터 모형과 이를 토대로 하는 맞춤형 교육을 위한 학습분석 모형을 도출하였다. 이와 관련하여 우선 온라인 교육 사례의 주요 특징을 이해하기 위해 각 온라인 교육 사례 관련 선행연구 및 문헌과 기초 자료 분석을 통해 각 온라인 교육의 주요 특징을 배경 및 목적, 학습자 특성, 그리고 주요 학습활동 구성 측면에서 살펴보았다.
학습 데이터 수집과 활용 측면의 정확성･실행가능성･민첩성을 제고하기 위한 스마트 데이터로의 전환을 위한 접근으로, 일반화 모형으로 제안된 학습분석 데이터 모형을 토대로 하는 온라인 교육 사례에 특성화된 학습분석 데이터 모형과 학습분석 모형의 도출 단계를 요약하면 [그림 3]과 같다.
첫 번째 단계는 일반적인 학습분석 데이터 모형을 온라인 교육 사례에 맥락화하는 것이다. 앞에서 개발한 학습 데이터 수집 모델을 구성하는 학습활동 데이터에 초점을 두고 도출한 학습분석 데이터 모형을 온라인 교육 사례의 특성을 반영한 맥락화 과정을 통해 보완된 학습분석 데이터 모형으로 도출하는 것이다. 스마트 데이터의 구축과 활용은 일반적인 학습분석 데이터 모형을 그대로 적용하는 것이 아니라 해당 온라인 교육의 학습분석 적용 맥락을 고려한 접근이 필요하기 때문이다. 온라인 교육 사례에 특성화된 학습분석 데이터 모형은 < 표 2 >의 일반적인 학습분석 데이터 모형과 동일한 형태로 제시되었으며, 전체적인 모형은 ‘Ⅲ장-3절 온라인 교육 사례의 학습 데이터 수집 현황과 학습분석 모형’에 제시되었다.
두 번째 단계는 온라인 교육 사례에 맥락화된 학습분석 데이터 모형을 기반으로 맞춤형 교육을 위한 구체적인 활용전략을 포함한 학습분석 모형을 도출하는 것이다. 학습분석 모형은 교수자와 학습자 모두를 위한 활용전략과 그와 관련된 구체적인 학습 데이터 및 변인과 연결하여 제시하였다. 특히 온라인 교육 사례 적용을 위한 활용전략은 온라인 교육에서 가장 우선적으로 고려되어야 할 ‘자기조절학습’의 세부 요인과 관련하여 제시하였다. 학습 분석 모형을 예시하면 < 표 3 >과 같다. 전체적인 모형은 ‘Ⅲ장-3절 온라인 교육 사례의 학습 데이터 수집 현황과 학습분석 모형’에 제시되었다.
한편, 온라인 교육 사례의 학습 데이터 수집 현황 분석은 학습분석 모형 도출과 직접적인 관련은 없다. 궁극적으로 온라인 교육 사례에 부합한 학습분석 모형은 현재 수집되고 있는 학습 데이터를 기반으로 도출될 필요가 있다. 하지만 학습 데이터 수집 현황 분석 결과, 현재 온라인 교육 사례의 학습 데이터 수집은 매우 제한적임을 확인하였다. 이에 온라인 교육 사례에 특화된 학습분석 모형은 일반적인 학습분석 데이터 모형을 온라인 교육사례에 맥락화된 이론적인 학습분석 데이터 모형을 기반으로 도출되었다. 온라인 교육 사례의 학습 데이터 수집 현황 분석은 이론적으로 제안된 학습분석 모형의 실질적인 구현을 위한 학습 데이터 수집 개선 방향을 파악하기 위해서 필요하다고 봤다.

라. 스마트 데이터 구축･활용 프레임워크 개발
스마트 데이터는 데이터의 양보다는 활용 가치(value)를 중요하게 여기는 개념이다(Zeng, 2017). 빅데이터가 주로 Volume(크기), Variety(다양성), Velocity(속도)라는 물리적 특성에 중점을 두고 있는데 반해, 스마트 데이터는 Accurate(정확성), Actionable(실행 가능성), Agile(민첩성)과 같은 데이터의 질적인 특성에 초점을 두고 있다. 이는 데이터의 규모가 크건 작건 신뢰할 수 있는 정확도를 가지고 민첩하게 활용 가능한 성격의 데이터가 주목받고 있다는 점을 의미한다(EL Arass & Souissi, 2018). 또한 원자료(raw data)로부터 가치 있는 통찰을 얻기 위해서는 이를 적절한 방식으로 정제하고 처리할 필요가 있는데, 스마트 데이터는 이러한 전처리를 거쳐 실제적 가치를 얻어낼 준비가 된 양질의 데이터를 뜻하기도 한다(Cordón et al., 2019). 이러한 배경에서, 이 연구는 맞춤형 교육을 위해 즉각적 분석･활용이 가능한 스마트 데이터 구축 및 활용 프레임워크를 개발하였다. 특히 프레임워크는 교육기관 수준, 즉 학습분석의 수준으로는 메소 수준(meso-level)의 프레임워크로 설정하였다.
스마트 데이터 구축･활용 프레임워크는 앞서 언급한 스마트 데이터의 세 가지 특성을 반영한 프레임워크 개발 방향에 따라 연구진이 초안을 도출하고, 이에 대한 1~2차 전문가 델파이 조사를 통해 [그림 4]와 < 표 4 >와 같이 타당화된 최종적인 프레임워크를 제안하였다. 프레임워크 개발의 절차와 프레임워크의 각 단계와 주요 활동, 요건에 대한 자세한 설명은 ‘Ⅴ장 스마트 데이터 구축 및 활용 프레임워크 개발’과 [부록 5∼7]에 제시되었다.

(출처 : 연구요약 9p)

Abstract ▼

Ⅱ. Reseach Results
The main research results of this study are the development of a learning data collection model and a learning analysis data model, which are generalized models and models, and a contextualized and specialized learning analysis data model and a learning analysis model for onlin

Ⅱ. Reseach Results
The main research results of this study are the development of a learning data collection model and a learning analysis data model, which are generalized models and models, and a contextualized and specialized learning analysis data model and a learning analysis model for online education cases based on the generalized model and model. The results of each study are briefly described as follows.

1. Development of teaching and learning data collection model
Existing learning data systems and standards, which are often mentioned in previous studies, suggest the areas of data that can be used for learning analysis in a conceptual form as an example. There are limits to its use in the field. On the other hand, you can find research on learning data that can be used for learning analysis and their classification system. However, it was mainly performed in the context of higher education, and most of the data being dealt with are data that are ‘produced’ through refining and processing rather than data ‘collected’ during the learner’s learning activities. In addition, it is difficult to find an approach to establish a learning data model by grafting learning data related standards.
In this background, based on the learning data model system and standard, this study developed a model that defined the data area and sub-area that should be collected throughout the entire learning process in online education, especially in the online education of content utilization-oriented classes.

2. Development of teaching and learning data collection model
This study proposed a learning analysis model as a ‘data model’ among the above five types from the perspective of building smart data for customized education. Data model refers to modeling the data that must be collected for the use of learning analysis. The data collected through learning analysis and the development of a platform that can produce and collect learning data along with the spread of online education using contents in domestic education sites Although the utilization is being promoted, it is difficult to find a data model that is grafted with standards related to learning data. Therefore, this study was developed with a focus on the data that can and should be collected in common on online education platforms that are not limited to specific platform characteristics.

3. Development of a learning analysis model specialized for online education cases
Based on the aforementioned learning data collection model and learning analysis data model, we analyze the learning data collection status of broadcasting middle and high schools and online supplementary courses, which are online education cases, and contextualized learning for each online education case in terms of smart data construction and utilization. An analysis data model and a learning analysis model for customized education based on it were derived. To this end, first, in order to understand the main characteristics of online education cases, the main characteristics of each online education were examined in terms of background and purpose, learner characteristics, and main learning activity composition through previous research and literature and basic data analysis related to each online education case. Although the analysis of the learning data collection status of the online education case is not directly related to the derivation of the learning analysis model, it is considered necessary to determine the practical implementation possibility of the theoretically proposed learning analysis model and to identify the improvement direction of the learning data collection of the online education case.

4. Smart data construction and utilization framework development
Smart data is a concept that values the value of use rather than the amount of data. While big data mainly focuses on physical characteristics such as Volume, Variety, and Velocity, Smart Data is a data-based approach that is based on data such as Accurate, Actionable, and Agile. It focuses on qualitative characteristics. This means that no matter how large or small the data is, data with reliable, agile, and reliable accuracy is attracting attention. In addition, in order to obtain valuable insights from raw data, it is necessary to refine and process them in an appropriate way. Against this background, this study developed a framework for building and utilizing smart data that can be immediately analyzed and utilized for customized education. In particular, the framework was set as a meso-level framework at the educational institution level, that is, the level of learning analysis.

(source : Abstract 276p)

목차 Contents

• 표지 ... 1
• 머리말 ... 5
• 연구요약 ... 6
• 목차 ... 18
• 표목차 ... 20
• 그림목차 ... 22
• Ⅰ. 서 론 ... 24
• 1. 연구의 필요성 및 목적 ... 26
• 2. 연구 내용 ... 31
• 3. 연구 방법 ... 36
• 4. 연구의 전반적인 틀 ... 39
• Ⅱ. 선행 연구 및 문헌 분석 ... 42
• 1. 스마트 데이터 ... 44
• 2. 맞춤형 교육과 학습 데이터: 학습분석(learning analytics) ... 52
• 3. 학습분석 선행연구 분석 ... 70
• 4. 학습분석을 위한 데이터 구축 및 활용 사례 ... 74
• 5. 소결: 함의점 ... 80
• Ⅲ. 일반화 모델 및 모형 개발과 스마트 데이터 전환을 위한 적용 ... 86
• 1. 학습 데이터 수집 모델 개발 ... 88
• 2. 학습분석 데이터 모형 개발 ... 105
• 3. 스마트 데이터 전환을 위한 온라인 교육 사례 분석과 학습분석 모형 도출 ... 115
• Ⅳ. 스마트 데이터 구축 및 활용 프레임워크 개발 ... 200
• 1. 프레임워크 개발의 배경 및 목적과 방향 ... 202
• 2. 프레임워크 개발을 위한 전문가 델파이 조사 ... 205
• 3. 프레임워크 최종안 ... 216
• Ⅴ. 논의 및 제언 ... 240
• 1. 학술적 논의 및 제언 ... 243
• 2. 정책적 논의 및 제언 ... 253
• 참고문헌 ... 258
• ABSTRACT ... 272
• 부록 ... 280
• 끝페이지 ... 358